多态场景下考虑出行链重构的电动汽车多目标协同优化调度

电动汽车用户日内的充电计划具有规律性,但在突发事件影响下,电动汽车用户的充电行为则具有突发性和主观性。突发事件由用户影响到电动汽车的充放电过程,最终波及电力系统的稳定运行。首先,考虑实际出行中距离变化时用户的充电意愿,提出充电意愿模型,模拟用户的充电意愿区间;然后,基于电动汽车出行时空特性,将影响调度计划的突发事件分为4类,模拟4种事件对既定调度计划的影响,并综合考虑气温和电价等因素,对电动汽车进行充放电调度;最后,提出多态场景下储能站协同电动汽车的能量管理策略,对常态及两种极端条件下的电动汽车进行充放电调度。采用区域电网进行仿真,分析出行链重构在行为场景、事件类型、调度策略、集群规模、用户参与度和风电规模的条件中对电动汽车充放电调度的影响,验证了所提模型的合理性和有效性。     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点.通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题.该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性.     

蚁群算法在配电网故障定位中的应用

目前针对故障信息有畸变情况下的故障定位并没有很理想的算法。文中充分利用配电网呈辐射状的特点，依据分级处理的思想，把整个配电网划分为主干支路和若干个独立区域，从而降低可行解的维数，使计算速度有较大幅度提高,然后利用蚁群算法良好的正反馈和容错性的特点进行局部及全局寻优，最后通过算例验证了该算法的有效性。     

蚁群算法在配电网故障定位中的应用

目前针对故障信息有畸变情况下的故障定位并没有很理想的算法。文中充分利用配电网呈辐射状的特点,依据分级处理的思想,把整个配电网划分为主干支路和若干个独立区域,从而降低可行解的雏数,使计算速度有较大幅度提高,然后利用蚁群算法良好的正反馈和容错性的特点进行局部及全局寻优,最后通过算例验证了该算法的有效性。     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性。     

配电网馈线末端故障定位优化算法

提出了一种能解决配电网馈线末端故障定位、并适用于多电源复杂网络故障定位的优化算法。根据网络拓扑结构和假定的正方向建立网络描述矩阵，由馈线终端单元（FTU）获得的故障过电流及其方向信息组成信息矩阵，结合网络描述矩阵对信息矩阵进行修正得到信息判断矩阵，由信息判断矩阵可以直接判别出故障区域。     

配电网馈线末端故障定位优化算法

提出了一种能解决配电网馈线末端故障定位、并适用于多电源复杂网络故障定位的优化算法.根据网络拓扑结构和假定的正方向建立网络描述矩阵,由馈线终端单元(FTU)获得的故障过电流及其方向信息组成信息矩阵,结合网络描述矩阵对信息矩阵进行修正得到信息判断矩阵,由信息判断矩阵可以直接判别出故障区域.